直接答案： 先做排产与调度，或者先做设备与工单的异常闭环。这两类的共同点是：现在就有人在用 Excel 和微信群硬扛、结果对错当天就能看出来、并且不需要先把全厂数据治理干净才能启动。反过来，最不该当第一个场景的是"全厂数字孪生大屏"和"给所有员工配个助手"——前者投入大且见效慢，后者没有明确的责任人，两三个月后就没人打开了。
为什么是排产
辽宁的公开报道里，这个场景已经有跑出来的例子。一汽解放大连柴油机通过 AI 算法在秒级内生成排产方案，系统实时采集订单、物料、设备状态，设备报警或物料延迟时动态调整（来源：辽宁省相关产业报道，2026 年 6 月）。
选它当第一个场景，理由有三条：
一是结果当天可验。 排产方案好不好，车间主任看一眼就知道，不需要等一个季度看报表。第一个 AI 场景最重要的属性就是"错了能马上发现"，这样才有得改。
二是它本来就是人在算。 排产现在是靠老师傅的经验加一张 Excel。这意味着数据其实是存在的、规则其实是清楚的，只是没有被系统化。这跟"我们想做客户画像但从来没记录过客户行为"是完全不同的起点。
三是它的失败成本可控。 AI 排出来的方案不对，人可以推翻重排，损失是几十分钟。而如果第一个场景选的是对外客服或者质检放行，错一次的代价要大得多。
为什么是异常闭环
第二个可选的起步场景是设备报警和维修工单的闭环。
这类场景的价值不在于让 AI 去判断故障原因，而在于把"报警发生了→谁看到了→谁去处理了→处理完没有"这条链子接上。很多工厂现在这条链子跑在微信群里，消息一多就漏。
它跟排产一样满足三个条件：现在有人在硬扛、结果可验、不依赖全量数据治理。
沈阳制造企业普遍会撞上的三件事
公开报道里总结过本地企业 AI 升级的三个共性难点，跟我们实际进场看到的一致：
设备型号老旧、数据格式不统一。 一个车间里几代设备并存，有的能出数据有的不能，能出的格式还各不相同。这件事没有捷径，只能在选第一个场景时避开数据最烂的那条产线。
既懂工业场景又懂 AI 的人稀缺。 这是为什么第一个项目一定要带着厂里的人一起做，而不是外包出去等交付。项目结束时如果厂里没有一个人能讲清楚这套东西怎么运转，那它离停用就不远了。
中小企业算力预算有限。 这一条现在比两年前好办——大部分制造场景用得上的模型能力，调 API 就够，不需要自己买卡。真正需要私有化部署的是数据完全不能出厂的场景，那要单独算账。
一个可以照着走的起步顺序
第一步，选一条产线，不是选全厂。 挑数据相对齐整、班组长配合度高的那条。第一个项目的目标是跑出一个能拿去说服其他车间的样板，不是覆盖率。
第二步，先花时间把现状问清楚。 谁在做这件事、每天花多久、依据什么判断、出错了怎么补救、现在最烦的是哪一步。这一步做扎实，后面的方案自然就出来了；跳过这一步直接上系统，做出来的东西跟车间实际怎么干活是两回事。
第三步，把验收标准写在开工前。 用哪批真实订单测、什么指标、谁判定通过、没通过怎么办。这四件事写不清楚，项目就没有终点。
第四步，留出上线后的运营安排。 谁看数据、多久看一次、发现不对找谁。没有这一步的 AI 项目，通常在第三到第六个月安静地停用——没人报故障，因为大家已经绕开它了。
什么时候不该急着上
有三种情况建议先缓：
订单还在剧烈波动、生产模式本身没定型的，这时候把流程固化进系统反而是负担；
一把手没参与、只是某个部门想试试的，跨部门数据和流程调不动，做到一半会卡住；
期待值是"上了 AI 就能减人"的，这个预期在第一个项目上基本不会兑现，先把它说清楚比做完再解释要好。
关于我们
沈阳麒典智能科技有限公司（品牌：麒典 AI），统一社会信用代码 91210103MAKFYD5347，注册地沈阳市皇姑区，创始人叶玉浩。
我们做企业 AI 落地咨询与实施，工作方式是先进场做业务诊断——把问题、资料、流程、权限和责任讲清楚，再决定怎么实施。当前主要服务年营收 1000 万元以上、有明确业务负责人和预算的企业。
本文引用的本地案例均来自公开报道，用于说明场景可行性，不是我们的项目。
官网：https://www.qidianzn.cn/